30. Januar 2020 | News | Computergestütztes Netzwerkmodell

US-Kongress verabschiedet trotz gestiegener Polarisierung konstante Anzahl Gesetzesvorhaben

Die Rotunde im Kapitol in Washington. Dort tagt der US-Kongress. © iStockphoto.com/HaizhanZheng

Parteizugehörigkeit allein sagt noch nicht alles über die Vorlieben zur Zusammenarbeit eines Politikers aus. Dabei ist Zusammenarbeit über Parteigrenzen hinweg seit jeher Grundlage für politischer Kompromisse. Für US-Kongressabgeordnete scheint es in den vergangenen Jahren schwieriger geworden zu sein, diese zu erreichen.

Mit Hilfe eines computergestützten Netzwerkmodells untersuchte Samin Aref, Wissenschaftler im Arbeitsbereich Digitale und computergestützte Demografie, nun diese Beobachtung. Zusammen mit seinem Kollegen Zachary Neal, Professor an der Michigan State University, veröffentlichte er seine Studie im Wissenschaftsjournal Scientific Reports.

Sie analysierten die Zusammenarbeit der Mitglieder des US-Repräsentantenhauses oder des US-Senats im Zeitraum zwischen 1979 und 2016 und stellten fest, dass sich die gegenüberstehenden Meinungslager nach Parteizugehörigkeit aufteilten. Die Animation zeigt die beiden Koalitionen im US-Senat und wie sich über die Zeit die Meinung innerhalb der Gruppen vereinheitlicht hat.

In diesen Koalitionen arbeiteten die Abgeordneten immer öfter mit Parteikolleg*innen zusammen. Dadurch arbeiteten immer weniger Abgeordnete über Parteigrenzen hinweg zusammen. Dies ist deutlich in der Animation zu erkennen: in der einen Koalition sind überwiegend blaue Namen (Senatoren der Demokratischen Partei) und in der anderen Koalition überwiegend rote Namen (Senatoren der Republikanischen Partei) zu lesen.

© MPIDR/Aref

Die Studie stellt fest, dass politische Polarisierung zwar einige unerwünschte Auswirkungen hat, dass aber die Dominanz einer einzigen polarisierten Koalition die Verabschiedung von Gesetzen erleichtern kann.

„Unsere Modelle helfen uns, Gruppen von Abgeordneten in Netzwerken politischer Zusammenarbeit zu erkennen“, sagt Samin Aref. Er fügt hinzu: „Sie ermöglichen es uns, den besten Weg zu finden, alle Abgeordneten in zwei Gruppen aufzuteilen, so dass die Zusammenarbeit vor allem innerhalb der Gruppen und nicht zwischen den Gruppen stattfindet.“

Bislang galt es als nicht machbar, ein Modell zu entwickeln, dass diese Gruppen mit so hoher Genauigkeit erkennt. „Unsere größte technische Herausforderung bestand darin, eine unglaublich große Anzahl von Möglichkeiten, mehr als es Atome im Universum gibt, zur Gruppierung der Abgeordneten zu untersuchen“, sagt Samin Aref. Nun können diese Modelle politische Zusammenarbeit tiefergehend analysieren, da sie mehr untersuchen, als nur die Parteizugehörigkeit eines/r Abgeordneten.

Originalpublikation

Aref, A., Neal, Z.: Detecting coalitions by optimally partitioning signed networks of political collaboration. Sci Rep 10, 1506 (2020). DOI: doi.org/10.1038/s41598-020-58471-z